- 博客(7)
- 收藏
- 关注
原创 机器学习之SVM算法
支持向量机(Support Vector Machine,简称SVM)是一种用于分类和回归分析的监督学习算法。它的主要目的是找到一个最佳的决策边界(超平面),使得数据点能够被最大程度地分开,从而实现分类或预测的目标。优点在高维空间中依然有效。对于少量的样本点也能很好地工作。可以通过选择合适的核函数处理非线性问题。缺点对于非常大的数据集,计算可能比较耗时。对于噪声较多的数据集,性能可能下降。需要调节惩罚参数 ( C ) 和选择合适的核函数。
2024-06-11 14:37:46
806
1
原创 机器学习之逻辑回归
逻辑回归(Logistic Regression)是一种用于解决二分类(0或1,是或否)问题的统计学习方法,它虽名为“回归”,但实际上是一种分类学习方法。逻辑回归通过分析因变量(目标变量)与自变量(特征变量)之间的关系,预测因变量取某个值的概率。
2024-05-28 17:10:44
739
原创 机器学习之朴素贝叶斯
假设我们有一个新的实例,特征为:色泽=青绿,根蒂=稍蜷,敲声=浊响,我们要计算这个实例属于好瓜和坏瓜的概率。尽管朴素贝叶斯在处理复杂数据集时可能无法达到其他更复杂的分类算法的精度,但它仍然是一个简单而强大的分类工具,特别适用于处理大规模数据集和需要快速训练和预测的场景。朴素贝叶斯是一种基于贝叶斯定理的分类算法,其核心思想是通过特征之间的条件独立性假设来简化计算,从而实现高效的分类。根据朴素贝叶斯算法的计算过程,我们需要计算出给定特征条件下各个类别的概率,并选择具有最大概率的类别作为预测结果。
2024-05-14 17:07:57
1524
2
原创 机器学习之决策树
决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。决策树是一种经典的机器学习算法,它通过对数据集进行递归地分割,构建一个树形结构,每个节点代表一个属性测试,每个分支代表一个测试结果,叶子节点表示最终的决策结果或类别。这三种算法都是基于贪心策略构建决策树,它们在属性选择、处理缺失值、处理连续值等方面有所不同,适用于不同的数据情况和任务需求。一、决策树的基本认识。
2024-04-30 16:55:48
1770
原创 机器学习之分类模型
ROC曲线是以假正例率(False Positive Rate)为横轴,真正例率(True Positive Rate)为纵轴的曲线,用于衡量二分类模型在不同阈值下的性能。AUC是ROC曲线下方的面积,用于衡量分类模型的性能,AUC值越接近1,模型性能越好。因此,在实际应用中,我们可能需要通过交叉验证等技术来选择最优的 k 值,以平衡模型的性能和泛化能力。这可能导致模型在训练和测试数据上的性能略有下降,但是模型在新数据上的泛化性能可能更好。:分类器正确分类为正例的样本数占真实正例的样本数的比例。
2024-04-16 16:32:12
905
原创 机器学习之k近邻算法
KNN算法又叫做K近邻算法,是众多机器学习算法里面最基础入门的算法。KNN算法是最简单的分类算法之一,同时,它也是最常用的分类算法之一。KNN算法是有监督学习中的分类算法,它看起来和Kmeans相似(Kmeans是无监督学习算法),但却是有本质区别的。KNN算法基于实例之间的相似性进行分类或回归预测。在KNN算法中,要解决的问题是将新的数据点分配给已知类别中的某一类。该算法的核心思想是通过比较距离来确定最近邻的数据点,然后利用这些邻居的类别信息来决定待分类数据点的类别。其核心思想为:“近朱者赤近墨者黑”
2024-04-01 22:01:38
283
1
原创 安装conda搭建python环境(2024.3.18)
6.高级安装选项(这三个选项额自己看着选吧还是,给出翻译了,正常来说应该有四个选项,但是为啥我没有添加环境变量这个选项,如果有出现PATH environment variable选项的就是添加环境变量的,不要选!输入以上代码创建新的环境(—name后面为环境名称,python=后面可以指定安装python版本),运行后会进行各种基础python包的安装。5.点击新建,依次输入以下四行(如果你的安装路径和我的不一样,把D:\ANACONDA换成你的安装路径就好了,就是之前步骤中要记住的那个)
2024-03-18 18:10:55
2983
4
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人